使用机器学习的 QuickSight
QuickSight using ML
我想在我的 QuickSight 报告中使用我在 AWS 中创建的 ML 模型。
- 有没有一种方法可以使用 ML 端点以便 运行 在 QuickSight 中进行批量预测？
- 我可以为此定义一个 'calculated field' 吗？
目前没有与 AWS SageMaker 和 QuickSight 的直接集成，但是您可以利用 SageMaker 的批量转换作业在 QuickSight 之外转换数据，然后将此信息导入 QuickSight 以进行可视化。 SageMaker 批量转换作业的输出格式为 S3，这是 QuickSight 支持的输入数据源。
根据您的喜好，您还可以将对 AWS Lambda 或 AWS SageMaker 等 AWS 服务的调用集成为数据存储中的用户定义函数 (UDF)。以下是一些可能有用的资源：
- https://docs.aws.amazon.com/redshift/latest/dg/user-defined-functions.html
- https://aws.amazon.com/blogs/big-data/from-sql-to-microservices-integrating-aws-lambda-with-relational-databases/
计算字段在这方面可能无法帮助您 - 计算字段仅限于相对较小的一组操作，并且 none 这些操作支持调用外部源。
我想在我的 QuickSight 报告中使用我在 AWS 中创建的 ML 模型。
- 有没有一种方法可以使用 ML 端点以便 运行 在 QuickSight 中进行批量预测？
- 我可以为此定义一个 'calculated field' 吗？
目前没有与 AWS SageMaker 和 QuickSight 的直接集成，但是您可以利用 SageMaker 的批量转换作业在 QuickSight 之外转换数据，然后将此信息导入 QuickSight 以进行可视化。 SageMaker 批量转换作业的输出格式为 S3，这是 QuickSight 支持的输入数据源。
根据您的喜好，您还可以将对 AWS Lambda 或 AWS SageMaker 等 AWS 服务的调用集成为数据存储中的用户定义函数 (UDF)。以下是一些可能有用的资源：
- https://docs.aws.amazon.com/redshift/latest/dg/user-defined-functions.html
- https://aws.amazon.com/blogs/big-data/from-sql-to-microservices-integrating-aws-lambda-with-relational-databases/
计算字段在这方面可能无法帮助您 - 计算字段仅限于相对较小的一组操作，并且 none 这些操作支持调用外部源。